Aller au contenu

Une digital workforce ne rend productif que ce que vous avez mesuré avant de la déployer

Intelligence artificielle 7 min de lecture
Partager :LinkedInFacebookWhatsApp
Une digital workforce ne rend productif que ce que vous avez mesuré avant de la déployer

Les éditeurs annoncent des gains de productivité immédiats avec les agents IA, mais les études indépendantes donnent des résultats très différents selon les profils et les tâches. Cet article établit ce que ces études mesurent réellement et propose une grille de mesure à appliquer à un centre de services avant tout déploiement.

En bref

Une digital workforce désigne l'ensemble des travailleurs logiciels d'une organisation : agents IA et robots RPA qui exécutent des tâches jusque-là confiées à des personnes. Son effet sur la productivité n'a rien d'uniforme. Une étude sur 5 179 agents de support mesure 14 % de tickets résolus en plus par heure en moyenne, et 34 % pour les débutants. Un essai randomisé sur des développeurs expérimentés mesure à l'inverse 19 % de temps en plus par tâche. Gartner prévoit que plus de 40 % des projets d'agents IA seront abandonnés d'ici fin 2027. Ce qui sépare ces issues, c'est la mesure : il faut comparer des processus (résolution, reprises, supervision), pas des tâches isolées ni des impressions.

Une digital workforce n'est pas un chatbot rebaptisé

Salesforce définit la main-d'œuvre digitale comme des systèmes logiciels qui combinent IA, apprentissage automatique et RPA pour traiter un travail variable, là où l'automatisation classique suit des règles fixes (Salesforce, page « digital workforce », consultée le 27 octobre 2026). Un rapport de Staffing Industry Analysts (mai 2026) distingue deux familles de travailleurs digitaux : les agents IA et les robots RPA, ces derniers restant des automatismes à règles.

Cette distinction a une conséquence pratique. Pour une tâche stable, répétitive, aux règles écrites, un robot RPA suffit et coûte moins cher à superviser. L'agent IA se justifie quand les entrées varient : formulations libres, pièces jointes, demandes ambiguës. Gartner signale en outre un phénomène d'« agent washing » : des éditeurs rebaptisent assistants, RPA et chatbots en « agents ». Selon son estimation de juin 2025, seuls environ 130 éditeurs sur des milliers proposent de véritables capacités d'agent. Première question à poser à tout fournisseur : qu'est-ce qui, dans l'offre, relève de l'agent et qu'est-ce qui relève d'une règle déguisée ?

Ce que les études mesurent vraiment

Deux études indépendantes donnent des résultats opposés, et c'est leur confrontation qui est utile.

Un gain réel, inégalement réparti. Brynjolfsson, Li et Raymond ont suivi 5 179 agents de support équipés d'un assistant conversationnel basé sur l'IA générative, introduit progressivement (NBER, 2023 ; publié dans The Quarterly Journal of Economics, 2025). Le nombre de problèmes résolus par heure augmente de 14 % en moyenne, de 34 % pour les agents peu expérimentés, avec un effet minime pour les plus expérimentés. Les auteurs y voient une diffusion des pratiques des meilleurs agents vers les nouveaux. À noter : l'outil assiste un humain, il n'agit pas seul.

Une perte de temps mesurée, malgré un gain perçu. METR a conduit en 2025 un essai randomisé auprès de 16 développeurs expérimentés sur 246 tâches réelles de leurs propres projets (METR, juillet 2025). Avec l'IA, les tâches ont pris 19 % de temps en plus, alors que ces développeurs anticipaient un gain de 24 %. L'échantillon est petit, les outils étaient ceux du début 2025, et METR précise que les résultats pourraient être différents aujourd'hui. Le constat à retenir est ailleurs : l'impression des utilisateurs s'est révélée un mauvais instrument de mesure.

Cela vaut pour les chiffres d'éditeurs. Un rapport publié par Slack indique que les personnes qui travaillent avec des agents se sentent 72 % plus souvent « très productives ». C'est une mesure déclarative, produite par un éditeur d'outils : elle renseigne sur le ressenti, pas sur le débit ni sur la qualité.

Variations mesurées de la rapidité de travail avec l'IA : 14 % de tickets en plus par heure, 34 % pour les débutants, 19 % de temps en plus pour des développeurs expérimentés

Mesurer le processus, pas la tâche

Gartner recommande de viser la productivité de l'entreprise plutôt que l'aide à une tâche individuelle, et de repenser les flux de travail avec les agents plutôt que de les greffer sur l'existant (communiqué du 25 juin 2025). C'est aussi la leçon des études ci-dessus : un gain sur une tâche disparaît s'il crée des reprises ou du temps de relecture ailleurs.

Pour un centre de services, nous proposons de relever cinq mesures, avant le déploiement puis après :

  • Taux de résolution sans reprise : Les tickets réellement résolus, pas seulement clôturés. Piège fréquent : compter les clôtures de l'agent comme des résolutions.
  • Délai jusqu'à la résolution : Le temps vécu par l'utilisateur. Piège fréquent : se contenter du délai de première réponse, que l'agent améliore toujours.
  • Temps humain de supervision par ticket : Le coût caché de la relecture et des escalades. Piège fréquent : l'oublier dans le business case.
  • Coût complet par ticket résolu : Licences, appels au modèle, supervision et reprises. Piège fréquent : le comparer au coût d'un ticket humain sur un autre périmètre.
  • Écart selon l'ancienneté des équipes : Qui gagne, qui perd. Piège fréquent : la moyenne masque les écarts, comme 14 % contre 34 % ci-dessus.

Trois règles de méthode accompagnent la grille. D'abord, relever un état de référence avant de brancher l'agent, sur le même périmètre de tickets. Ensuite, déployer par vagues avec un groupe témoin, sur le modèle de l'introduction échelonnée de l'étude de Brynjolfsson et ses coauteurs. Enfin, ne jamais s'appuyer sur le temps gagné déclaré par les utilisateurs : l'essai de METR montre l'écart entre ressenti et mesure.

Exemple fictif, à titre d'illustration du calcul. Un centre de services reçoit 1 000 tickets de niveau 1 par mois. L'agent en clôture 300, dont 90 sont rouverts par les utilisateurs. Le gain affiché est de 300 tickets ; le gain réel est de 210 tickets résolus, avant d'avoir retiré le temps humain passé à relire les 300 réponses. Un projet évalué sur le premier chiffre est évalué sur le mauvais.

L'application au Maroc : centres de services, offshoring et données

Au Maroc, la question touche d'abord le support et les centres de relation client. D'après le ministère de la Transition numérique, rapporté par la presse économique, l'offshoring comptait près de 148 500 emplois stables fin 2024 et 26,22 milliards de dirhams d'exportations (FNH, 2026 ; chiffres à vérifier auprès de la source ministérielle avant publication). Le même article indique que les demandes simples et le support de premier niveau peuvent déjà être pris en charge par des agents conversationnels, et que beaucoup d'entreprises y voient un renfort des équipes plutôt qu'un remplacement.

Deux conséquences pour la mesure. Le relevé par ancienneté devient central : si l'effet de l'IA est plus fort sur les débutants, la formation et le recrutement des équipes de niveau 1 en sont directement touchés. Et les tickets contiennent des données personnelles : la loi 09-08 s'applique, et les conditions d'envoi de ces données vers un modèle hébergé à l'étranger sont à vérifier auprès de la CNDP ou de votre conseil juridique avant tout pilote.

Cinq mesures à relever avant et après le déploiement d'une digital workforce dans un centre de services

Ce qu'Alton fait sur ce sujet

Alton propose dans son offre IA & Digitalisation des assistants virtuels et l'automatisation de processus sur le centre de services. Pour un projet de ce type, nous recommandons de commencer par l'état de référence décrit ci-dessus. Si le centre de services n'est pas encore structuré, c'est l'objet de notre offre Service Management & Transformation : https://altongroup.net/services/conseil-transformation/service-management-transformation.

Sources

Partager :LinkedInFacebookWhatsApp

Articles similaires

IA : six exigences que les armées s’imposent avant de déployer un modèle, et que les entreprises peuvent reprendre
Intelligence artificielle

8 min

IA : six exigences que les armées s’imposent avant de déployer un modèle, et que les entreprises peuvent reprendre

Les armées qui adoptent l’IA ont écrit leurs règles avant de déployer : un responsable nommé, des usages bornés, des essais exigés à l’achat, une preuve auditable, une capacité d’arrêt, une formation préalable. Ces six exigences, tirées des cadres des États-Unis, du Royaume-Uni, de l’OTAN et de la déclaration REAIM, se transposent à toute grande organisation.

IA de défense au Maroc : l’Offre Maroc se gagnera sur la preuve, pas sur l’algorithme
Intelligence artificielle

12 min

IA de défense au Maroc : l’Offre Maroc se gagnera sur la preuve, pas sur l’algorithme

L’Offre Maroc, présentée le 18 novembre 2026, fait de l’IA l’une des filières prioritaires de l’industrie de défense, avec plus de 65 % de revenus attendus à l’export. Pour une entreprise marocaine, l’enjeu est de prouver ce que fait son IA. Repères : déclaration REAIM endossée par le Maroc, principes de l’OTAN, règlement européen, loi 10-20, et un dossier de preuve en six éléments.